关键词： 图像识别   图书盘点   图书定位   计算机视觉   图书馆  

摘要： 随着图书馆规模的扩大和图书数量的增加,传统的图书盘点和定位方法已无法满足现代图书馆的需求。本文提出了一种基于图像识别技术的图书盘点及定位系统,该系统利用计算机视觉和图像处理技术,通过对书籍封面或标签的识别来确定图书的具体位置,旨在提高图书盘点的效率和准确性,为图书馆管理提供有力支持。

关键词： 火灾检测   轻量化   RT-DETR   目标检测  

摘要： 及时检测火焰和烟雾,对火灾预警具有重要意义.实时检测Transformer(real-time detection Transformer,RT-DETR)作为一种前沿的模型架构,可以进行实时目标检测.针对该模型参数量大、计算复杂的问题,提出一种基于改进RT-DETR(improved real-time detection Transformer,iRT-DETR)的轻量化火灾检测方法.采用StarNet替换RT-DETR的主干网络以减少模型参数量,并在主干网络中添加注意力机制以提升关键特征的利用效率;提出基于卷积神经网络跨尺度特征融合模块(CNN-based cross-scale feature-fusion module,CCFM)以减少模型计算量,并提高检测的精度;通过RMTRepC3卷积块以提高对小目标火焰检测的能力.改进模型iRT-DETR在自建数据集和公开数据集上分别进行了测试,实验结果表明,改进后的模型在两种数据集上的参数量均减少了51.8%,计算量均降低了59.9%,平均精度均值(mean average precision,mAP)分别提升了1.6%和1.0%,有效地提高了火焰和烟雾检测性能.

关键词： 距离测量   双模态图像   深度学习   目标检测   时间序列  

摘要： 在警戒探测领域,目标距离信息获取十分重要。传统的测距手段,如雷达测距和激光测距,因在使用过程中需要主动向目标发射电磁或激光信号而存在可能暴露自身位置的风险,具有一定的局限性。为了解决这一问题,提出了一种基于单目双模态图像处理的智能测距算法。该算法利用计算机视觉技术和深度学习模型,通过对目标进行图像采集和分析来实现非接触式被动测距。首先利用单目相机获取目标的图像序列,并通过预训练的深度神经网络(Deep Neural Networks,DNN)模型对这些图像进行目标特征提取;再采用图像成像原理结合深度学习技术,通过神经网络预估成像原理测距误差来估计目标与观测点之间的相对距离。在条件约束下,该算法的测距误差低于10%。经过对连续帧和长时序列校正策略进行的消融实验表明,相较于单帧输入,平均误差降低了0.74 km,平均百分比误差降低了3.69%,对于远距离被动测距应用具有参考意义。

关键词： 中药饮片   目标检测   EfficientDet   深度学习  

摘要： 目的应用深度学习算法对易混淆的中药饮片进行识别,确定目标中的中药饮片位置及类别,在此基础上进一步对原网络框架上进行改进,提高识别准确率。方法本文基于EfficientDet目标检测算法框架,结合注意力机制,对网络结构进行改进。通过这种方式,模型在处理图像时能够更加关注重要特征,从而提高识别的准确性。图像数据采集使用人工拍摄的方法构建,采集后,使用标注工具对图像进行人工标注,确保数据集的准确性和完整性。完成数据集构建和模型设计后,输入数据进行训练,以优化模型性能。结果针对易混淆的两种中药饮片(川贝母、平贝母)进行识别验证,平均识别准确率为99.06%,引入注意力机制进行改进后,平均识别准确率可达到99.34%。这一结果表明,EfficientDet算法在易混淆中药饮片识别任务中具有很高的准确性,且注意力机制的引入有效提升了模型的性能。结论本文将轻量级高效的EfficientDet神经网络应用于中药材识别,并在原网络框架基础上进行改进,显著提升了识别准确率。该研究为中药饮片自动化识别系统的实现奠定了基础,具有重要的临床应用价值。通过高效的识别系统,能够提高中药的安全性与有效性,为中医药的传承与发展提供强有力的技术支持。

关键词： 目标检测   行为识别   模型剪枝   知识蒸馏   便携式部署   YOLOv11  

摘要： 为解决多任务识别任务模型参数量大、计算成本高、定位能力差、识别精度低等突出问题,设计轻量化协同识别网络LightYOLOv11s。在主干网络与颈部,提出基于坐标注意力机制的多尺度卷积模块CAConv,捕获多尺寸目标特征,通过注意力机制强化语义信息理解,提高定位精度;向网络头部Detect和Pose模块传递颈部特征融合数据,确保模型在共享特征提取信息基础上,目标与人体行为解耦输出,实现高效协同识别;设计联合损失函数,根据图像中目标与人体行为数量动态调整权重参数,平衡两类任务识别精度。模型训练后,引入自适应通道剪枝算法(layer-adaptive magnitude-based pruning,LAMP),删除冗余信息,精简网络结构;同时,结合通道级知识蒸馏(CWD),对教师网络通道激活图归一化处理,使学生网络精准学习教师网络关键特征,优化模型预测。实验结果表明:LightYOLOv11s在F1-score、mAP@0.5、模型参数量、计算开销四项指标上均有优化。在目标检测任务中,对比基线YOLOv11s,F1-score、mAP@0.5依次增长2.62%、3.48%,参数量下降53.92%、计算开销降低55.78%。在人体行为识别中,参考基线YOLOv11sPose,F1-score、mAP@0.5依次提升9.66%、9.97%,参数量降低55.25%、计算开销下降57.74%。在精简网络结构同时,LightYOLOv11s实现更为精准的目标检测与人体行为协同识别,满足轻量化部署需要。边缘设备部署选择NPU、GPU、CPU集群架构开展实验研究,并与autodl服务器平台测试结果对比,证实移动端设备在识别精度、推理速度、便携性部署、移动电源能量存储多环节具有显著优势。

关键词： 目标检测   合成孔径雷达(SAR)   Transformer   轮廓增强   可变形注意力  

摘要： SAR图像船舶目标检测在海上搜救、环境监测等领域意义重大。近年来,基于Transformer的检测网络于SAR目标检测领域发展迅速。但这类SAR船舶检测网络仍存在近岸船舶检测难度大、计算复杂度高两大突出问题。该文对这些问题进行深入剖析,针对近岸船舶检测中虚警高、漏检多的难题,对网络结构进行重构,在骨干网络部分使用可变形注意力机制,并引入数据相关的偏移生成器;在颈部网络使用轮廓引导的形状增强模块,抑制海岸、岛屿或海浪产生的背景杂波对图像的干扰。为解决计算效率问题,该文在网络前端增设一个动态的网络稀疏化模块,逐步修剪不同层中的冗余信息。实验结果表明,改进后检测网络提升近岸船舶检测效果,降低计算复杂度,具备实际应用价值。

关键词： 目标检测   目标跟踪   YOLOv5s   DeepSORT  

摘要： 针对YOLOv5s算法作为DeepSORT的目标检测器具有计算量大、模型复杂以及检测精度有待提高等问题.首先,引入GhostNet轻量化模块对YOLOv5s模型进行轻量化,减少模型的参数量与计算量,以满足移动端的部署要求;其次,引入ECA注意力机制,增强模型的感知能力,提升检测性能;最后,对YOLOv5s模型进行知识蒸馏,进一步提升模型的检测精度.改进后的YOLOv5s在精确度、召回率和mAP@0.5上与未改进的YOLOv5s相比分别提高2%、1%和0.8%,模型参数量降低47%,模型复杂度降低48%.将改进后的YOLOv5s与DeepSORT算法相结合,与未改进的YOLOv5s相比在MOTA、MOTP和IDF1上分别提升1.2%、3.1%和2.7%,IDS下降35.通过实验验证,改进后的YOLOv5s作为检测器能够提升检测速度,减少行人ID的切换,能有效应用于行人跟踪.

关键词： 白酒玻璃瓶   裂纹缺陷   气泡识别   图像处理   光学检测  

摘要： 白酒玻璃瓶在灌装与包装前需进行严格的外观质量检测,裂纹与气泡是最常见的两种缺陷,不仅影响产品外观与市场认可度,在后期使用过程中还可能出现破损与渗漏。本文结合白酒玻璃瓶裂纹与气泡缺陷的主要类型与产生的原因,分析了白酒玻璃瓶裂纹缺陷的检测方法,提出白酒玻璃瓶裂纹与气泡缺陷异常处理与调试方法,为酒类包装企业实现自动化检测提供技术参考。

关键词： 红外道路目标检测   特征金字塔共享卷积   动态上采样   损失函数   YOLOv8  

摘要： 针对现有模型在检测红外道路目标时精度不足的问题,提出一种YOLOv8-AFDP模型。首先,该模型利用ASF-YOLO模型的多尺度注意力特征融合思想对颈部网络进行优化,并且在此基础上加入小目标检测层,进一步增强网络对不同尺度目标的检测性能。其次,使用特征金字塔共享卷积(feature pyramid shared convolution,FPSC)模块替换快速空间金字塔池化(spatial pyramid pooling fast,SPPF)模块,在处理多尺度特征图时捕捉更多细粒度信息;同时,在控制计算成本的前提下,引入动态上采样(DySample)方法,从而保留更多红外道路目标的提取特征。最后,使用PIoU(Powerful-IoU)损失函数代替CIoU损失函数,提高模型的检测精度和收敛速度。实验结果表明,YOLOv8-AFDP相比于YOLOv8在红外数据集M3FD上的评价指标mAP@0.5提高8.3个百分点,达到83.8%,并且模型参数量减少12.3%。所设计的YOLOv8-AFDP模型能够实现对红外道路目标的精确检测,降低道路安全隐患。

关键词： 机器视觉   缺陷检测   机械零件   随机森林   图像处理  

摘要： 为了提高机械金属零件缺陷检测的准确性和效率,本文研究了一种基于机器视觉的自动化检测方法。该方法首先通过工业相机采集金属零件的图像,并进行图像预处理操作;然后,基于颜色直方图对图像进行特征提取,描述缺陷的颜色分布信息,并构建特征向量作为随机森林模型的输入。实验采用东北大学NEU-CLS(northeastern university surface defect database)数据集进行验证,通过5折交叉验证对模型性能进行了评估。实验结果表明:所提方法在缺陷识别的准确性、精确率、召回率和F_1分数等方面均表现出优异的性能。